Echipele știu că churn-ul e o problemă, dar se blochează când trebuie să construiască un prim model de la zero. Această automatizare livrează un baseline funcțional pe care poți acționa imediat.
sonnet1 săptămânăPythonscikit-learnPostgresSHAP
Claude
75ROI
76Scale
$2.7k91Saved
ROI for
README.md
De ce acest subagent
Echipele știu că churn-ul e o problemă, dar se blochează când trebuie să construiască un prim model de la zero. Această automatizare livrează un baseline funcțional pe care poți acționa imediat.
Extrage istoricul conturilor, construiește feature-uri standard și antrenează un model gradient-boosted, apoi scorifică conturile active după riscul de churn. Fiecare cont cu risc vine însoțit de principalii factori din SHAP, astfel încât echipa de success vede nu doar cine ar putea pleca, ci și motivul din spatele scorului.
Cum funcționează
Used at step 01 to kick off the pipeline.
Write
Used at step 01 to kick off the pipeline.
WebFetch
Used at step 01 to kick off the pipeline.
WebSearch
Used at step 01 to kick off the pipeline.
Construiește caracteristici pentru vechime, tendința utilizării și contactele cu suportul, apoi antrenează un model gradient-boosted de bază.
pending
Evaluează conturile actuale și clasează-le după probabilitatea prezisă de abandon.
pending
Folosește SHAP pentru a evidenția principalii factori per cont și salvează lista conturilor riscante înapoi în baza de date.
pending
Exemplu de output
json
// Sample output
// (generated when the pipeline finishes)
Train a baseline churn model, score active accounts, and return a ranked at-risk list with the top driver per account.
Unlock the rest
The full agent definition, install snippet, and starter task are gated for community members.
Members get the full `.md` agent file, the npm / pnpm install one-liners, a starter prompt that we've tuned against real runs, and the open-source repo when this automation ships there. One email, magic link, done.